Materiały konferencyjne SEP 2026

8 giczne i może być traktowany jako reprezentatywna realizacja parametryczna dla analiz synte- tycznych. Rys. 6 Porównanie diagramów płotowych jednej z dziesięciu wersji modelu wykonanej algorytmem SGS (A) a uśrednionym modelem zailenia Vsh_SGS Arithmetic Mean (B) na tle powierzchni stropu cechszty- nu Figure 6. Comparison of fence diagrams of one of the ten model realizations generated using the Sequen- tial Gaussian Simulation method (A) and the averaged shale volume model Vsh_SGS Arithmetic Mean (B), shown against the top Zechstein structural surface 5. DYSKUSJA Regionalny charakter modelu, obejmujący powierzchnię ponad 12 500 km² oraz ponad 1,5 mld komórek siatki, wymagał przyjęcia określonego poziomu uogólnienia geometrycznego. Ogra- niczenie liczby dyslokacji do uskoków o znaczeniu regionalnym oraz pominięcie struktur o niewielkich zrzutach było świadomą decyzją metodyczną, której celem było zachowanie sta- bilności geometrycznej siatki oraz efektywności obliczeniowej modelu. Przyjęta rozdzielczość 100 × 100 m umożliwia analizę trendów regionalnych i relacji pomiędzy głównymi blokami tektonicznymi, jednak nie pozwala na szczegółowe odwzorowanie struktur o małej amplitu- dzie. Istotnym zagadnieniem metodycznym była integracja danych historycznych pochodzących z wielu projektów realizowanych w różnych okresach i przy zastosowaniu odmiennych standar- dów interpretacyjnych. Różnice w poziomach odniesienia, lokalizacji otworów oraz defini- cjach markerów stratygraficznych wymagały weryfikacji i ujednolicenia przed włączeniem danych do modelu. W konsekwencji w niektórych fragmentach model odzwierciedla interpre- tację uśrednioną pomiędzy kilkoma źródłami danych, co należy uwzględniać przy analizach szczegółowych. Modelowanie parametryczne zailenia wykonano na podstawie danych z 185 otworów, co przy analizowanej powierzchni oznacza nierównomierne pokrycie przestrzenne danych wejścio- wych. W obszarach o ograniczonym rozpoznaniu interpolacja opiera się w dużym stopniu na strukturze wariogramu, co zwiększa niepewność lokalnych wartości parametru. Porównanie wyników interpolacji deterministycznej i symulacji stochastycznych wskazuje, że model kri- gingowy charakteryzuje się większym wygładzeniem rozkładu parametrów, natomiast realiza- cje Sequential Gaussian Simulation zachowują lokalną zmienność wynikającą z przyjętego modelu wariogramu.